دوره

مقدمه‌ای بر NumPy

مهارت‌های خودتون رو در NumPy با یادگیری نحوه ایجاد، مرتب‌سازی، فیلتر کردن و به‌روزرسانی آرایه‌ها با استفاده از داده‌های سرشماری درختان به بالاترین سطح برسونید.

مقدماتی
تاریخ به‌روزرسانی:
24 مرداد 1405
پایتون
۴ ساعت
۱۳ ویدیو
۳۶ تمرین
۵۰۸ شرکت‌کننده
۴۲۵
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

کتابخانه NumPy یک کتابخانه ضروری پایتونه. TensorFlow و Scikit-learn از آرایه‌های NumPy به عنوان ورودی استفاده می‌کنن، و Pandas و Matplotlib بر روی NumPy ساخته شدن. در این دوره مقدمه‌ای بر NumPy، شما در کار با شیء اصلی NumPy یعنی آرایه‌ها به استاد تبدیل می‌شید! با استفاده از داده‌های سرشماری درختان، شما آرایه‌ها رو ایجاد، مرتب‌سازی، فیلتر کردن، و به‌روزرسانی می‌کنید. می‌فهمید که چرا NumPy این‌قدر کارآمده و از پخش‌سازی و برداری‌سازی استفاده می‌کنید تا کدهای NumPy خودتون رو حتی سریع‌تر کنید. تا پایان دوره، از آرایه‌های سه‌بعدی برای تغییر یک نقاشی از کلود مونه استفاده می‌کنید، و متوجه می‌شید که چرا این تغییرات آرایه‌ای ابزارهای ضروری برای یادگیری ماشین هستن.

همونیه که می‌خواید یاد بگیرید؟

  • 1

    فرایندهای تغییر آرایه‌ها برای بارگذاری، ذخیره‌سازی، تغییر شکل، تقسیم، روی هم چیدن، ترانهاده‌کردن، برعکس‌کردن و تغییر داده‌های تصاویر RGB رو برای کارهای تحلیلی یا یادگیری ماشین ارزیابی کنید.

  • 2

    تفاوت روش‌های ساخت آرایه، از جمله تبدیل لیست، np.zeros، np.random.random و np.arange رو هنگام ساخت آرایه‌هایی با شکل و نوع داده مشخص تشخیص بدید.

  • 3

    عملیات حسابی برداری، تجمیع و broadcasting رو ارزیابی کنید تا تاثیر اون‌ها رو روی آرایه‌هایی با شکل‌های سازگار یا ناسازگار مشخص کنید.

  • 4

    ویژگی‌ها و مزایای آرایه‌های چندبُعدی NumPy از نظر مصرف حافظه رو در مقایسه با لیست‌های پایتون تشخیص بدید.

  • 5

    روش‌های درست انیدس‌گذاری، برش، ماسک‌گذاری، اندیس‌گذاری فانتزی، اتصال و حذف داده‌ها رو برای تغییر عناصر در محورهای مشخص تشخیص بدید.

1
درک آرایه‌های NumPy
شروع رایگان

با آرایه‌های NumPy آشنا بشید! یاد می‌گیرید چطور آرایه بسازید و شکل اون‌ها رو متناسب با نیازتون تغییر بدید. در نهایت، با انواع داده مختلف در NumPy آشنا می‌شید و می‌بینید چطور این انواع داده به اجرای سریع‌تر عملیات روی آرایه‌ها کمک می‌کنن.

2
انتخاب و به‌روزرسانی داده‌ها

مهارت‌هاتون در کار با داده‌ها در NumPy رو با برش زدن، فیلتر کردن و مرتب‌سازی داده‌های سرشماری درختان شهر نیویورک تقویت کنید. با استفاده از شرط‌ها، آرایه‌های جدید بسازید و متناسب با نیازتون، داده‌ها رو در هر بُعد اضافه یا حذف کنید. در طول این بخش، با اصول سازگاری شکل و ابعاد آرایه‌ها هم آشنا می‌شید تا برای انجام محاسبات بسیار سریع روی آرایه‌ها آماده بشید.

3
ریاضیات آرایه!

از عملیات برداری سریع NumPy استفاده کنید تا از داده‌های فروش رستوران‌ها و فروشگاه‌های بزرگ در آمریکا، اطلاعات کلی به دست بیارید. یاد می‌گیرید چطور تابع‌های پایتون رو برداری‌سازی کنید تا در کدهای NumPy ازشون استفاده کنید. در نهایت، با منطق Broadcasting یا پخش‌سازی، عملیات ریاضی رو بین آرایه‌هایی با اندازه‌های متفاوت انجام می‌دید.

4
تبدیلات آرایه

در بخش پایانی، NumPy وارد دنیای هنر می‌شه و با استفاده از داده‌های تصویری یکی از شاهکارهای مونه، یاد می‌گیرید چطور داده‌های تصویری رو افزایش بدید. با قابلیت‌های قرینه کردن و ترانهاده‌سازی، تصویر رو به‌سرعت تغییر می‌دید. بعد آرایه مربوط به تصویر مونه رو به بخش‌های مختلف تقسیم می‌کنید، تغییراتی روی اون انجام می‌دید و با استفاده از چیدن آرایه‌ها روی هم، دوباره اون رو می‌سازید تا نتیجه تغییرات رو ببینید.

گواهی پایان دوره

%0
  • تأیید مهارت شما

    با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.

  • اعتبار و اصالت گواهی

    هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.

  • اشتراک‌گذاری

    می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.

اشتراک‌گذاری
منابع
Monet RGB Array

Tree Census Array

Monthly Sales Array

Sudoku Game Array

Sudoku Solution Array

سوالات متداول

آرایه NumPy یک شیء چندبعدی در پایتونه که باهاش می‌تونید محاسبات رو روی کل آرایه‌ها انجام بدید و می‌تونید از طریق پکیج NumPy بهش دسترسی داشته باشید.

پکیج NumPy همراه با Pandas، یکی از محبوب‌ترین و پرکاربردترین پکیج‌های پایتون در دنیاست. این پکیج عمدتاً برای کار با آرایه‌ها و توابع مربوط بهش استفاده می‌شه. این توابع شامل انجام محاسبات جبر خطی و ماتریس‌ها هستن؛ بنابراین، بسیاری از متخصصان داده، از مهندسان یادگیری ماشین گرفته تا تحلیلگران مالی، برای انجام کارهای مختلف در علم داده به این پکیج متکی هستن.

برخلاف Pandas، ابزارهای یادگیری ماشین یا یادگیری عمیق مثل TensorFlow یا Scikit-learn فقط می‌تونن از آرایه‌های NumPy استفاده کنن؛ این یعنی مهندسان یادگیری ماشین اغلب NumPy رو برای کارهاشون ترجیح می‌دن. علاوه بر این، با توابع داخلی NumPy، مهندسان یادگیری ماشین می‌تونن محاسباتی که برای کارهاشون نیاز هست رو با سرعت خیلی بالایی انجام بدن.

دریافت اپلیکیشن فینکا

با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.